Публикации по теме 'convolutional-network'


Транспонированные свертки объяснены с помощью… MS Excel!
Вы успешно освоили 1D-свертки , 2D-свертки и 3D-свертки . Вы тоже покорили каналы с множеством входов и выходов . Но в последнем сообщении в блоге серии сверток мы подошли к главному уровню: пониманию транспонированной свертки . Итак, давайте начнем с названия и посмотрим, с чем мы имеем дело. transpose заставляет (два или более объекта) поменяться местами друг с другом . Когда мы транспонируем матрицы, мы меняем порядок их размеров, поэтому для 2D-матрицы мы, по сути,..
Часть 1b: Руководство по сверточной нейронной сети (CNN), которое может понять ваша подруга
В части 1a мы уже обсуждали интуицию CNN, и теперь пришло время углубиться в обзор того, как работает CNN. Прочитайте это, это может помочь вам построить модель CNN с трансферным обучением. Подготовка данных изображения Для эффективного обучения модели CNN для выполнения пользовательской задачи обучающее изображение (данные) является наиболее важной частью. Расширение данных — это наиболее распространенный метод предварительной обработки, помогающий генерировать больше обучающих..
Концепции машинного обучения для пересмотра
Концепции машинного обучения Искусственный интеллект – интеллект, продемонстрированный машинами, характерный для людей. Машинное обучение. Распознавайте паттерн в данных, автоматически учитесь и совершенствуйтесь на основе опыта без явного программирования. Глубокое обучение — отдел машинного обучения. Нам приходится иметь дело с большим количеством данных, поэтому в этом случае проблемы не могут быть решены с помощью простых алгоритмов ML. Мы должны использовать различные..
Сверточные нейронные сети для компьютерного зрения
Под компьютерным зрением понимается концепция, позволяющая машине понять данное изображение или видео. Слово понимать здесь означает обозначение присутствующих вещей и окружающей среды. Это включает в себя основные проблемы, такие как обнаружение, распознавание и локализация объектов (концепция чрезмерного подвига). Компьютерное зрение имеет такие приложения, как беспилотные автомобили, системы распознавания лиц, роботов-гуманоидов, навигационные системы, обнаружение болезней в..
Универсальное руководство по компьютерному зрению - часть 2
Компьютерное зрение с MXNet и Gluon (построчное объяснение) Часть 1 : Создание нейронной сети с использованием высокоуровневых API. Вступление В предыдущей статье мы узнали, как выполнять 4 различных задачи компьютерного зрения, используя предварительно обученные модели из GluonCV Model Zoo. В этой статье мы построим нашу собственную модель с нуля. Цель этой статьи - дать вам представление о том, что обычно происходит внутри модели компьютерного зрения. Мы будем создавать..
Реализация распознавания дорожных знаков
Создайте проект распознавания дорожных знаков В этом проекте вы будете использовать полученные знания о глубоких нейронных сетях и сверточных нейронных сетях для классификации дорожных знаков. Вы будете обучать и проверять модель, чтобы она могла классифицировать изображения дорожных знаков, используя Немецкий набор данных о дорожных знаках . После обучения модели вы опробуете ее на изображениях немецких дорожных знаков, которые найдете в Интернете. Цели/этапы этого проекта следующие:..
[НЕДЕЛЯ 3- Прогнозирование предметов мебели в гостиных]
Члены группы: Мохаммед АЛИ , Айбуке Ялчинер , Хатиче Акар . Введение После того, как мы поняли, как проектировать сверточные сети в теории, давайте углубимся в то, как это работает на практике. Мы научились поэтапно реализовывать сверточные нейронные сети с помощью платформы Keras, которая работает с использованием бэкэнда TensorFlow в Python. мы начали делать классификацию только между двумя объектами (кресло и диван) в качестве первого шага, а затем мы собираемся..